論文の概要: AmbiModBench: Benchmarking Gene Perturbation Prediction Beyond Shared Responses

• arxiv url: http://arxiv.org/abs/2609.32527v1
• Date: Sat, 26 Sep 2026 12:10:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 07:08:23.512711
• Title: AmbiModBench: Benchmarking Gene Perturbation Prediction Beyond Shared Responses
• Title（参考訳）: AmbiModBench: 共有応答を超える遺伝子摂動予測のベンチマーク
• Abstract要約: 遺伝的摂動に対する細胞応答の予測は、単細胞ゲノム学における実験の優先順位付けに役立つ。 本稿では,AmbiModBenchを提案する。
• 参考スコア（独自算出の注目度）: 48.72528617189033
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predicting cellular responses to genetic perturbations helps prioritize experiments in single-cell genomics, where exhaustive measurement is infeasible. While computational models increasingly predict these responses, three evaluation deficiencies obscure what their scores demonstrate. First, absolute metrics cannot separate target-specific predictions from a shared background response. Second, common metrics remain high under gene shuffling, so gene-level accuracy is never verified. Third, a score at one training size says nothing about coverage, which depends on representation-space proximity and response-constraining power. We propose AmbiModBench, a specificity-aware, gene-resolved and coverage-aware benchmark. It pairs every score with a training-mean reference fitted on the same split, screens each readout by gene-coordinate permutation, and links embedding distance to response variation. Across K562, RPE1 and Norman, strong absolute scores largely reflect shared background rather than target-specific learning. Widely used readouts track response magnitude distributions rather than the affected genes. Detectable gain follows representation-space coverage rather than training-set size. Nonetheless, on RPE1 the protocol yields a reproducible target-specific gain across five additional splits and three gene selections, which absolute scores alone cannot distinguish from shared background.
• Abstract（参考訳）: 遺伝子摂動に対する細胞応答の予測は、徹底的な測定が不可能な単一細胞ゲノム実験の優先順位付けに役立つ。 計算モデルはこれらの応答をますます予測するが、3つの評価の欠陥はそれらのスコアが示すものを明らかにしていない。 第一に、絶対的なメトリクスは、ターゲット固有の予測を共有バックグラウンド応答から切り離すことはできない。 第二に、共通の指標は遺伝子シャッフルの下で高いままであり、遺伝子レベルでの精度は検証されない。 第三に、1つのトレーニングサイズのスコアは、表現空間の近接と応答の制限力に依存するカバレッジについては何も述べない。 本稿では,AmbiModBenchを提案する。 各スコアを同じ分割に適合したトレーニング平均基準とペアリングし、遺伝子調整による各読み出しをスクリーニングし、埋め込み距離と応答変動をリンクする。 K562、RPE1、ノーマン全体では、強い絶対スコアは、ターゲット固有の学習よりも、共有バックグラウンドを反映している。 広く使われている読み出しは、影響を受ける遺伝子よりも応答の大きさの分布を追跡する。 検出可能なゲインは、トレーニングセットのサイズではなく、表現空間のカバレッジに従う。 それにもかかわらず、RPE1では、このプロトコルは5つの追加分割と3つの遺伝子選択で再現可能なターゲット特異的ゲインをもたらすが、絶対スコアだけでは共有バックグラウンドと区別できない。

関連論文リスト

• How Far Do Persona Effects Generalize in Language Models? [21.279374648591318]
  ペルソナは特定の種類の人々の答えを言語モデルに求める。 これらの効果から得られた関係が、新しい質問に対する反応を予測し、モデルやプロンプトで有用かどうかを検証する。
  論文  参考訳（メタデータ） (2026-09-26T16:26:03Z)
• Benchmarking Neural Defend ARCAS 1B: A Foundational Multimodal Deepfake Detection Model [1.8241268937128006]
  本稿では,ベンチマーク固有のパラメータを更新することなく,ベンチマークファミリ間のニューラルデペンドARCAS 1Bを評価する。 ベンチマークネイティブの結果をプールされたサマリーと区別することにより、テスト人口、クラスバランス、記録の欠如を可視化する。
  論文  参考訳（メタデータ） (2026-09-21T09:15:02Z)
• Online Supervised Dimension Reduction with Random Features: Diagnostics and Computational Trade-offs [3.7044133020722954]
  Online Kernel Supervised principal Component Analysis (OKSPCA)は、有限乱数係数座標における中心となるクロスモーメントと、確立された目的に対するAdamスタイルの正則基底更新を組み合わせたものである。 有限乱数係数座標における中心的クロスモーメントと、確立された目的に対するAdamスタイルの正規直交基底更新を組み合わせたOKSPCAについて、これらの区別について検討する。
  論文  参考訳（メタデータ） (2026-09-17T14:19:29Z)
• Consistency Without Alignment: Item-Sensitive Language Models Indistinguishable From Random [0.0]
  項目感度は、モデルの選択が自身の出力よりも特定の入力に依存するかどうかとして定義され、タスク能力の証拠として広く報告されている。 この証拠は、香港のボードゲーム『Deception: Murder: Hong Kong』から抜粋された強制選択シグナリングタスクを用いて、必要だが不十分であることを示す。 7つの言語モデル、2つのモデルファミリー、訓練後のアブレーション、3つの独立したスコアリングルールは、21のモデル・バイ・ルール・セルのうちの1つが確実にアイテムに敏感である。 我々はこの一貫性をアライメントなしで呼び、アイテム感度、置換整合性に依存するあらゆる評価に一般化する。
  論文  参考訳（メタデータ） (2026-09-01T02:12:10Z)
• How Useful is Causal Invariance for Domain Adaptation in Finite-Sample Settings? [58.740078141879984]
  機械学習モデルは、トレーニングされたソースディストリビューションとは異なるターゲットディストリビューションにデプロイされると、しばしば劣化する。 因果関係に基づく領域一般化における最近の研究は、共用因果構造が不変な予測因子を誘導する方法を示している。 本稿では,完全あるいは部分的な因果知識が,教師付きドメイン適応を確実に改善できるかどうかについて検討する。
  論文  参考訳（メタデータ） (2026-06-10T21:07:49Z)
• When Individually Calibrated Models Become Collectively Miscalibrated [3.556355987197792]
  本研究では,個別に調整した予測器が戦略的に相互作用した場合に集団的に誤判定されることを示す。 正の相関関係を持つブライアスコアに基づくアグリゲーションでは、各エージェントの個別に最適なレポートは、正のクラス確率を体系的に過小評価する。 対照的に、VCGベースのアグリゲーションは、限界貢献に報いることでインセンティブを調整し、支配的な戦略的なインセンティブ互換性とほぼ最適のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-05-14T05:25:16Z)
• Multidimensional Uncertainty Quantification via Optimal Transport [87.97146725546502]
  相補的なUQ測度をベクトルに積み重ねることで,不確実性定量化(UQ)の多次元的考察を行う。 VecUQ-OTは、個々の測定が失敗しても高い効率を示す。
  論文  参考訳（メタデータ） (2025-09-26T14:09:03Z)
• Semiparametric conformal prediction [79.6147286161434]
  ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。 スコアの累積分布関数(CDF)を柔軟に推定する。 提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
  論文  参考訳（メタデータ） (2024-11-04T14:29:02Z)
• Intra-class Adaptive Augmentation with Neighbor Correction for Deep Metric Learning [99.14132861655223]
  深層学習のためのクラス内適応拡張(IAA)フレームワークを提案する。 クラスごとのクラス内変動を合理的に推定し, 適応型合成試料を生成し, 硬質試料の採掘を支援する。 本手法は,検索性能の最先端手法を3%～6%向上させる。
  論文  参考訳（メタデータ） (2022-11-29T14:52:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。